JawabanDipublikasikan19 sumber
AI China Tak Cuma Mengubah Model—Mereka Membenahi Mesin di Baliknya
Hingga 31 Oktober 2026, bukti yang tersedia lebih kuat menunjukkan upaya memperbaiki infrastruktur inferensi, harness agen, dan lingkungan pelatihan daripada AI yang secara mandiri membangun model penerus. Kerangka lima tingkat membedakan AI yang menjalankan peningkatan rancangan manusia dari sistem yang memilih apa...
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- Hingga 31 Oktober 2026, bukti yang tersedia lebih kuat menunjukkan upaya memperbaiki infrastruktur inferensi, harness agen, dan lingkungan pelatihan daripada AI yang secara mandiri membangun model penerus.
- Kerangka lima tingkat membedakan AI yang menjalankan peningkatan rancangan manusia dari sistem yang memilih apa yang perlu diperbaiki, hingga akhirnya menyempurnakan proses perbaikannya sendiri.
AI Perintah
openai.comCreate a landscape editorial hero image for this Studio Global article: As of October 31, 2026, how are China’s AI labs pursuing recursive self-improvement by improving the machinery around models rather than rew. Article summary: The direction described in your question is system-level self-improvement: agents improve the software, environments and workflows used to run agents and develop successor models, rather than directly editing their own w. Topic tags: general, documentation, general web, academic, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, w
Peningkatan diri rekursif tidak harus berarti sebuah model menulis ulang bobotnya sendiri. Agen juga dapat mengubah perangkat lunak, alat, lingkungan, atau alur kerja yang digunakan untuk menjalankan dan mengembangkan sistem AI. Sejumlah proyek yang dilaporkan di China memperlihatkan pendekatan yang berfokus pada perangkat pendukung ini. Namun, bukti yang tersedia lebih terbatas daripada klaim bahwa AI sudah mampu membangun penerusnya secara mandiri.
Apa yang dimaksud dengan peningkatan diri rekursif?
Mengubah prompt atau menulis kode saja belum otomatis tergolong peningkatan diri rekursif. Tolok ukur yang lebih kuat adalah apakah sistem membuat perubahan yang bertahan dan diterima pada proses pengembangan—sehingga putaran berikutnya juga menggunakan proses yang telah diperbaiki itu.
Dalam konteks ini, harness adalah perangkat kerja yang mengatur cara agen beroperasi, seperti penggunaan alat dan alur tugasnya. Riset tentang self-improving agent harness menggambarkan siklus ketika agen mencari kelemahan dalam rekaman eksekusi, mengusulkan perubahan pada harness, lalu mengujinya dengan tes regresi. 52 Makalah lain menetapkan definisi rekursi yang lebih ketat: perubahan kode agen riset AI yang diterima menjadi versi yang menjalankan penyuntingan pada putaran berikutnya. Abstraknya melaporkan tujuh peningkatan berturut-turut dalam uji coba delapan hari. Ini merupakan hasil riset pada konteks agen tertentu, bukan bukti bahwa sistem AI serbaguna dapat terus memperbaiki dirinya tanpa batas.
56
Apa yang ditunjukkan bukti dari China?
Laporan 36Kr pada September menyebut agen infrastruktur yang ditenagai GLM-5.3 mengoptimalkan mesin inferensi model di sebuah klaster dengan lebih dari 100.000 chip buatan dalam negeri. Prosesnya dilaporkan berlangsung kurang dari dua minggu, dengan throughput keseluruhan meningkat tiga kali lipat dibandingkan patokan awal. 21 Ini menunjukkan adanya optimasi infrastruktur yang dibantu AI. Namun, laporan itu sendiri belum membuktikan bahwa agen secara mandiri memilih tujuan, memeriksa hasilnya, atau memperbaiki proses yang akan menjalankan optimasi berikutnya.
Materi Kimi K3 dari Moonshot AI memperlihatkan lapisan lain. Perusahaan merilis AgentEnv, yang dijelaskan sebagai infrastruktur untuk lingkungan reinforcement learning terdistribusi, bersama teknologi sistem pelatihan seperti pustaka komunikasi dan kernel atensi berperforma tinggi. 25 Perangkat-perangkat ini mendukung pelatihan model dan pengoperasian agen. Keberadaannya saja tidak membuktikan bahwa agen secara mandiri merancang lingkungan pelatihan yang lebih baik atau menciptakan model penerus.
Peningkatan infrastruktur juga perlu dibedakan dari pelatihan model. Dokumentasi Z.ai menyebut GLM-5.3 menggunakan model dasar yang sama dengan GLM-5.2, sementara peningkatannya berasal dari post-training—pelatihan lanjutan setelah model dasar selesai dilatih. 2 Ini merupakan jalur peningkatan model yang terdokumentasi, bukan bukti bahwa kemampuan model meningkat hanya karena perubahan pada perangkat pendukung di sekelilingnya.
Lima tingkat untuk menilai klaim
Makalah September berjudul The Last AI Built by Humans menguraikan lima tingkat otonomi yang makin tinggi: menjalankan peningkatan yang sudah ditentukan; memilih strategi peningkatan; memperoleh pengalaman untuk pembelajaran berikutnya; beradaptasi berdasarkan umpan balik dari penerapan dan lingkungan; lalu memperbaiki proses peningkatan itu sendiri. 33 Pemberitaan tentang makalah tersebut juga menggambarkannya sebagai tahapan menuju sistem AI yang membangun penerusnya.
35
Kerangka ini membantu membedakan beberapa jenis otomatisasi. Agen yang menjalankan eksperimen rancangan manusia tidak sama dengan agen yang memilih apa yang perlu diperbaiki. Keduanya juga berbeda dari sistem yang dapat merancang ulang dan menguji siklus peningkatannya sendiri secara andal. Makalah tersebut menawarkan kerangka untuk membuat pembedaan itu; sumber yang tersedia di sini belum membuktikan bahwa sebagian besar sistem AI terdepan berada pada tingkat satu atau dua.
Yang belum terverifikasi—dan mengapa penting
Sumber yang tersedia tidak menguatkan sejumlah klaim terperinci tentang jumlah sandbox harian DSec, tolok ukur framework pelatihan dan kernel ModelBest, jumlah sandbox serta panduan pemulihan Moonshot, maupun dugaan pelatihan Alibaba. Sumber-sumber tersebut juga tidak memuat temuan survei Leiphone yang disebut-sebut. Materi Leiphone yang tersedia dalam kumpulan sumber ini adalah laporan teknis Kimi K3, bukan survei tentang peningkatan diri rekursif. 24
Riset independen tentang harness juga menunjukkan batas praktis: peningkatan kinerja bisa disertai biaya eksekusi yang lebih tinggi. Karena itu, evaluasi perlu memperhitungkan kompromi antara keberhasilan menyelesaikan tugas dan penggunaan komputasi atau alat. 54 Untuk menilai klaim rekursi, perlu dijelaskan siapa yang menetapkan tujuan, siapa yang memutuskan apakah perubahan berhasil, dan apakah perubahan yang diterima benar-benar memperbaiki putaran selanjutnya.
Kesimpulan paling hati-hati adalah: otomatisasi perangkat pengembangan AI yang menjanjikan, bukan peningkatan diri rekursif tanpa batas yang telah terbukti. Agen infrastruktur dan harness yang dapat memperbaiki diri merupakan langkah berarti jika perubahannya bertahan dan membantu pekerjaan berikutnya. Namun, peningkatan throughput yang dilaporkan, perangkat yang dapat digunakan kembali, atau putaran pelatihan berulang belum cukup untuk membuktikan bahwa AI dapat secara andal menentukan apa yang harus diperbaiki, menilai hasilnya sendiri, lalu membangun penerus yang lebih baik.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "AI China Tak Cuma Mengubah Model—Mereka Membenahi Mesin di Baliknya"?
Hingga 31 Oktober 2026, bukti yang tersedia lebih kuat menunjukkan upaya memperbaiki infrastruktur inferensi, harness agen, dan lingkungan pelatihan daripada AI yang secara mandiri membangun model penerus.
Apa poin penting yang harus divalidasi terlebih dahulu?
Hingga 31 Oktober 2026, bukti yang tersedia lebih kuat menunjukkan upaya memperbaiki infrastruktur inferensi, harness agen, dan lingkungan pelatihan daripada AI yang secara mandiri membangun model penerus. Kerangka lima tingkat membedakan AI yang menjalankan peningkatan rancangan manusia dari sistem yang memilih apa yang perlu diperbaiki, hingga akhirnya menyempurnakan proses perbaikannya sendiri.
Sumber
ar5iv.labs.arxiv.orgar5iv.labs.arxiv.org · html · 2606[2606.09498] Self-Harness: Harnesses That Improve Themselves
arxiv.orgRecursive self-improvement of AI research agents - arXiv
m.36kr.com做一个能自迭代的后训练平台，Mind Lab要让更多企业拥有 ...
kimi.comKimi K3 开放日：模型权重、技术报告和关键Infra 技术同步开放
docs.z.aiGLM-5.3 - Overview - Z.AI DEVELOPER DOCUMENT
